HOG方向梯度直方图,这里分解为方向梯度和直方图。
一 方向梯度
在单变量实数函数的情况下,梯度是导数,或者是线性函数,即线的斜率。
即使在图像梯度的概念中,像素值也是变化最大的方向,取入边缘(在图像合成中将单一物体的轮廓称为边缘),边缘和梯度保持垂直方向。
使用以下公式计算此像素点的梯度大小和方向:
二 直方图
三 方向梯度直方图HOG的提取
HOG主要应用于行人检测,以行人照片为例。
其中一个8*8的小格单独取出,方向梯度中指方向范围为360度,需要选择合适的组距或bin才能绘制直方图。 这里组距离为360/9,也就是最后的直方图组数为9。
下图是与8*8像素单元对应的方向梯度。
根据直方图的参数设定,绘制上面64个方向梯度。 坡度的大小在统计数中呈线性关系,例如如果坡度的大小为2,则直方图对应地增加2个单位。 假定绘制的对应直方图如下。
将上图中与各个单元相对应的方向直方图转换为一维矢量,也就是说,以预定间距对对应的方向梯度的个数进行编码。 (8,10,6,12,4,5,8,6,14 ),得到单个单元的9个特征,每个单元包含2*2*9=36的特征(在扫描窗口中包含2*2*9=36的特征),1个64*128尺寸的图像
以上工作是HOG提取的主要内容,最后得到从相应行人方向梯度直方图HOG中提取的特征向量。